Presentación del Dr. Facundo Sapienza en el primer encuentro 2026 del Seminario de IA y Ciencia de Datos
El pasado jueves 16 de abril recibimos en el Seminario de Inteligencia Artificial y Ciencia de Datos al Dr. Facundo Sapienza, quien presentó su trabajo más reciente bajo el título "Aprendizaje automático basado en ecuaciones diferenciales y programación diferenciable con aplicaciones en geofísica".
En su charla, el Dr. Sapienza exploró cómo el aprendizaje automático (Machine Learning) permite integrar modelos físicos tradicionales, basados en ecuaciones diferenciales, con métodos modernos de asimilación de datos. Esta intersección es especialmente relevante en las ciencias de la Tierra, donde los sistemas físicos son intrínsecamente complejos y, a menudo, solo se conocen de forma parcial.
Para ilustrar este enfoque, presentó los fundamentos de los modelos de aprendizaje automático basados en física (Physics-Informed Machine Learning), incluyendo las ecuaciones diferenciales universales. Asimismo, explicó su aplicación en dos campos críticos de la geofísica: el paleomagnetismo y la glaciología. En ambos casos, demostró cómo esta metodología permite inferir propiedades físicas de sistemas complejos mediante el uso de software abierto basado en programación diferenciable.
Sobre el expositor
Facundo Sapienza es un investigador argentino y profesor visitante en el Departamento de Matemática de la UBA. Licenciado en Física y en Matemática por la misma institución (2017 y 2018), obtuvo su doctorado en Estadística en la Universidad de California, Berkeley (2024), bajo la dirección de Fernando Pérez y Jonathan Taylor. Posteriormente, realizó un posdoctorado en el Stanford Icy Physics Lab junto a la Prof. Ching-Yao Lai. Su trabajo se sitúa en la frontera entre la ciencia de datos, la física computacional y la glaciología, con un marcado compromiso hacia la ciencia abierta y la reproducibilidad.
Muchas gracias, Facundo, por participar y enriquecer este espacio del Data Science Lab y el LINAR. Tu presentación contribuye directamente a nuestro objetivo de profundizar en las aplicaciones, los desafíos actuales y el nuevo conocimiento generado en el campo de la ciencia de datos y la inteligencia artificial.